
Python 實現深度神經網絡培訓
1 深度學習基本概念
2 反向傳播算法
3 NumPy 基本運算
4 神經網絡的應用
1
深度學習基本概念
1.如何讓機器“學習”
2.神經網絡的概念
3.有監(jiān)督與無監(jiān)督學習的區(qū)別
4.回歸與分類的區(qū)別
5.損失函數的概念
6.梯度下降算法介紹 7.超參數的概念
2
導數、梯度及矩陣運算
1.導數、偏導、梯度、鏈式法則
2.矩陣運算基本法則
3.NumPy基本運算介紹
3
反向傳播算法
1.鏈式法則與“計算圖”的概念
2.反向傳播算法
4
淺層神經網絡識別英文字母
1.“淺層”與“深度”的區(qū)別
2.泛化性能 3.隨機梯度下降算法
4.如何對矩陣求導
5.編寫我們的損失層
5
深度學習實戰(zhàn)
1.梯度消失問題
2.交叉熵損失函數

請
登錄
后發(fā)表評論
新評論
全部
第1節(jié)
第2節(jié)
第3節(jié)
第4節(jié)
第5節(jié)
第6節(jié)
第7節(jié)
第8節(jié)
第9節(jié)
第10節(jié)
第11節(jié)
第12節(jié)
第13節(jié)
第14節(jié)
第15節(jié)
第16節(jié)
第17節(jié)
我的報告 / 所有報告